[发明专利]基于Treelets的遥感图像变化检测方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种基于Treelets的遥感图像变化检测的方法，适用于遥感图像分析和处理。

背景技术

遥感图像变化检测的研究始于20世纪70年代，随着图像处理技术的不断发展，遥感图像变化检测的研究逐渐成为了一个热点，并广泛应用于国民经济和国防建设的诸多领域，如森林资源的动态监测，土地覆盖、利用的变化监测，农业资源调查，城市规划布局，环境监测分析，自然灾害评估，地理数据更新以及军事侦察中道路、桥梁、机场等战略目标的动态监视等。

早期的遥感图像变化检测方法由于受到当时技术条件的限制，采用的方法较为简单。其中很多是通过人工目测来进行解释的，但人工目测受到个人主观因素的影响较大，容易产生错误，且效率低下，因此在实际应用方面受到很大的限制。一般而言，遥感图像变化检测的流程主要包括：遥感图像的预处理、变化区域检测、后处理和变化检测性能评价几个步骤。随着图像处理技术的不断发展，遥感图像变化检测的研究逐渐成为了一个热点，近几年经过国内外遥感图像变化检测研究的蓬勃发展，涌现出了很多新的有效的方法。但宏观上讲主要分为两条研究路线：第一条是先比较后分类的方法，即首先构造两幅图像的差异图像，然后再对差异图像进行分类确定变化区域和非变化区域；第二条是先分类后比较的方法，即首先对两幅图像进行分类，然后再对分类后的两幅图像进行比较确定变化区域和非变化区域。

针对基于先比较后分类的遥感图像变化检测方法，它主要涉及差异图像的构建和分类两个方面。其中对于差异图像的构建方法有很多，其中主要有：差值法(灰度差值法、纹理特征差值法、图像回归法)、比值法、相关系数法、变化向量法和主分量分析法等。基于差异图像分析的方法由于简单直接，不同于其他复杂的方法，不会由于方法本身而对检测前的变化信息加以改变，忠于原始数据，保证了变化检测结果的可靠性。然而不同时相的遥感图像之间由于不同季节和情况下的光照、辐射等因素造成不同时相间的图像灰度值存在整体或者部分的差异，因此简单地对灰度值运算得到的差异图进行阈值分割，所得到的变化检测结果中存在很多伪变化信息，使得变化检测的精度较低。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于Treelets的遥感图像变化检测方法，以减少伪变化信息，提高遥感图像变化检测精度。

为实现上述目的，本发明的检测方法包括如下步骤：

(1)输入时相1遥感图像，并对该时相1遥感图像进行Treelets滤波；

(2)输入时相2遥感图像，并对时相2图像每个像素点取5×5滑动窗拉成列向量投影至步骤1中得到的尺度向量Φ中，用该结果取代时相2的像素点灰度值，得到交叉滤波后的时相2图像；

(3)将步骤1和步骤2得到的滤波后的两个时相图像对应点进行差值计算，得到一幅差异图；

(4)对步骤3得到的差异图像按步骤1再进行一次Treelets滤波得到一幅新的差异图像；

(5)对步骤4得到的新差异图采用K-means聚类分为变化类和非变化类，得到最后的变化检测结果图。

本发明与现有的技术相比具有以下优点：

a、本发明采用了Treelets滤波和Treelets交叉滤波，避免了两时相图像因噪声、光照、辐射等因素对变化检测结果的影响。

b、本发明对于变化区域的一致性保持较好。

c、本发明减少了伪变化信息，提高了变化检测的精确性。

附图说明

图1是本发明的实现流程图；

图2是本发明的第一组实验数据；

图3是本发明的第二组实验数据；

图4是本发明的第三组实验数据；

图5是本发明的第四组实验数据；

图6是本发明的第一组实验数据的差异图像和变化检测结果图；

图7是本发明的第二组实验数据的差异图像和变化检测结果图；

图8是本发明的第三组实验数据的差异图和变化检测结果图像；

图9是本发明的第四组实验数据的差异图和变化检测结果图像。

具体实施方式

参照图1，本发明的实现步骤如下：

步骤1，输入时相1遥感图像，并对该时相1遥感图像进行Treelets滤波。

la)对时相1图像取5×5像素的滑动窗，计算该图像的初始协方差矩阵